车联网环境下并联混合动力客车控制策略优化研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-28页 |
| 1.1 本论文研究意义和目的 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-25页 |
| 1.2.1 能量管理算法研究进展 | 第14-24页 |
| 1.2.2 转矩协调控制策略研究现状 | 第24-25页 |
| 1.3 现有研究存在的不足 | 第25-26页 |
| 1.4 本文的主要研究内容及框架 | 第26-28页 |
| 第2章 并联混合动力汽车建模 | 第28-46页 |
| 2.1 本章引论 | 第28-29页 |
| 2.2 混合动力系统结构和工作模式分析 | 第29-33页 |
| 2.3 前向仿真模型 | 第33-42页 |
| 2.3.1 发动机模型 | 第34-36页 |
| 2.3.2 电机模型 | 第36-38页 |
| 2.3.3 动力电池模型 | 第38-39页 |
| 2.3.4 离合器模型 | 第39-40页 |
| 2.3.5 传动系统模型 | 第40-41页 |
| 2.3.6 车辆动力学模型 | 第41-42页 |
| 2.3.7 驾驶员模型 | 第42页 |
| 2.4 模型验证 | 第42-45页 |
| 2.4.1 工况跟随验证 | 第43页 |
| 2.4.2 燃油消耗对比验证 | 第43-44页 |
| 2.4.3 电池SoC对比验证 | 第44-45页 |
| 2.5 小结 | 第45-46页 |
| 第3章 基于车联网信息的车辆速度预测 | 第46-70页 |
| 3.1 本章引论 | 第46-47页 |
| 3.2 城市工况交通流建模 | 第47-52页 |
| 3.2.1 建模基本假设 | 第47-48页 |
| 3.2.2 交通流建模 | 第48-49页 |
| 3.2.3 交通场景设置和分析 | 第49-52页 |
| 3.3 基于链条神经网络的速度预测 | 第52-57页 |
| 3.3.1 链条神经网络速度预测的基本原理 | 第52-54页 |
| 3.3.2 链条神经网络参数选择 | 第54-56页 |
| 3.3.3 链条神经网络算法实现流程 | 第56-57页 |
| 3.4 速度预测方法对比 | 第57-59页 |
| 3.5 仿真分析与对比 | 第59-69页 |
| 3.5.1 速度预测误差分析 | 第59-68页 |
| 3.5.2 BP神经网络对比分析 | 第68-69页 |
| 3.6 小结 | 第69-70页 |
| 第4章 实时优化能量管理算法 | 第70-100页 |
| 4.1 本章引论 | 第70-71页 |
| 4.2 能量管理优化控制问题 | 第71-72页 |
| 4.3 庞特里亚金最小值原理 | 第72-74页 |
| 4.4 等效消耗最小化方法 | 第74-81页 |
| 4.4.1 等效消耗最小化方法基本原理 | 第74-75页 |
| 4.4.2 等效消耗最小化方法具体应用 | 第75-81页 |
| 4.5 基于动态规划的换挡规律求解 | 第81-85页 |
| 4.6 等效因子与协同状态之间关系 | 第85-88页 |
| 4.7 自适应等效消耗最小化方法 | 第88-98页 |
| 4.7.1 等效因子离线迭代计算方法 | 第88-90页 |
| 4.7.2 等效因子区间调整算法 | 第90-94页 |
| 4.7.3 仿真结果及优化性能分析 | 第94-98页 |
| 4.8 小结 | 第98-100页 |
| 第5章 基于电机转矩补偿的转矩恢复协调控制策略 | 第100-113页 |
| 5.1 本章引论 | 第100页 |
| 5.2 动力源转矩响应特性分析 | 第100-103页 |
| 5.3 基于电机转矩补偿的转矩恢复协调控制策略 | 第103-109页 |
| 5.3.1 转矩恢复性能指标 | 第103-104页 |
| 5.3.2 转矩恢复指令更新 | 第104-105页 |
| 5.3.3 转矩恢复协调控制策略 | 第105-109页 |
| 5.4 实车验证 | 第109-112页 |
| 5.5 小结 | 第112-113页 |
| 结论 | 第113-116页 |
| 参考文献 | 第116-122页 |
| 攻读学位期间发表论文与研究成果清单 | 第122-124页 |
| 致谢 | 第124-126页 |
| 作者简介 | 第126页 |
